El 93,2% de la ficción generada por IA se detecta por su arquitectura narrativa, no por el estilo superficial, según un estudio de 2026. Este hallazgo, proveniente de StoryScope (Russell et al., 2026), subraya que las herramientas de "humanización" tradicionales que solo editan la elección de palabras son ineficaces. Para abordar esta brecha, ha surgido sepia, una skill portátil diseñada para reparar las deficiencias estructurales que delatan el texto de inteligencia artificial, operando a un nivel más profundo que la mera superficie lingüística. ¿Qué es sepia y por qué es crucial para el texto generado por IA? sepia es una skill de escritura que elimina el "aire de IA" de los textos al reparar su arquitectura narrativa, en lugar de solo modificar la elección de palabras. A diferencia de los humanizadores convencionales, sepia se enfoca en las características estructurales que, según el estudio StoryScope de Russell et al. (2026), son los verdaderos indicadores de la autoría de IA. Este estudio analizó 61.608 historias, tanto humanas como generadas por cinco grandes modelos de lenguaje (LLM) frontera, y demostró que un clasificador basado únicamente en rasgos de estructura narrativa identificaba la ficción de IA con un macro F1 del 93,2%. Sorprendentemente, editar el estilo superficial apenas alteraba esta detección, pasando del 95,5% al 93,9%. ¿Cómo corrige sepia los "trazos" narrativos de la IA? sepia aborda las deficiencias narrativas de la IA a través de un protocolo de escritura y revisión de tres pases, centrado en las señales arquitectónicas identificadas por StoryScope y once estudios relacionados. Estas señales incluyen temas explicados por el narrador, tramas causalmente demasiado ordenadas, emociones descritas solo como sensaciones corporales, ausencia de referencias al mundo real, falta de un lector implícito, tiempo lineal y finales resueltos por el crecimiento del protagonista. La skill corrige estos patrones en la ficción y aplica reglas específicas para la documentación profesional, garantizando que el texto final resuene como si hubiera sido escrito por un humano. El protocolo de tres pases para ficción se estructura así: 1. Arquitectura narrativa: En este primer pase, sepia interviene en la estructura profunda de la historia. Esto implica dejar de explicar los temas, relajar la cadena causal, retrasar las revelaciones importantes, mezclar los modos de expresión emocional, introducir redes de personajes más dispersas y nombrar elementos del mundo real. 2. Flujo del discurso: El segundo pase se centra en la fluidez y el ritmo del texto. Aquí, sepia desestructura las secuencias de pregunta respuesta, corrige los "bajones" a mitad de la historia y varía el ritmo y las posiciones de los elementos narrativos para evitar la monotonía. 3. Estilo superficial: Finalmente, el tercer pase aborda el nivel más clásico de edición, donde se corrigen clichés, plantillas sintácticas, vocabulario repetitivo y el registro general del texto. Esta capa es la que la mayoría de los humanizadores tradicionales intentan modificar, pero sepia la aborda solo después de haber resuelto los problemas estructurales subyacentes. Además, sepia incorpora una rúbrica de diagnóstico de 30 características y correcciones de huella digital específicas para modelos como Claude, GPT, Gemini, DeepSeek y Kimi, adaptándose a las particularidades de cada LLM. ¿Por qué el contenido profesional requiere un enfoque diferente? Los documentos profesionales generados por IA, como notas de lanzamiento, respuestas a solicitudes de extracción ( pull requests ), análisis post mortem , tickets y artículos técnicos, fallan de maneras distintas a la ficción. Los estudios señalan que estos textos suelen contener relleno sin información útil, ambigüedad donde se necesita un juicio claro, restos de lenguaje de chatbot , un registro inapropiado para el contexto y un formato que parece automatizado. sepia aborda estas deficiencias aplicando reglas específicas para cada tipo de documento, basándose en una lista de verificación compartida y archivos de reglas delgados para cada dominio. Algunos ejemplos de reglas adaptadas por dominio incluyen: Notas de lanzamiento / Anuncios: Priorizan el impacto en el usuario, asocian artefactos a cada afirmación y evitan la inflación de marketing. Respuestas a PR / Incidencias: Responden primero a la pregunta, citan , evitan elogios automáticos y ajustan la longitud a la importancia del problema. Análisis post mortem : Mantienen un enfoque "sin culpa" hacia las personas, pero "sin piedad" hacia los mecanismos, incluyendo marcas de tiempo, callejones sin salida y elementos de acción asumidos. Tickets / Órdenes de trabajo: El título debe reflejar el resultado, incluyen criterios de aceptación comprobables y enlazan la información en lugar de repetirla. Artículos técnicos: Empiezan con el problema, presentan un callejón sin salida real, expresan una opinión comprometida y proporcionan números con sus condiciones. El prin